El siguiente proyecto está compuesto de la siguiente manera, donde la primera parte consta de una limpieza de los datos brindados por la estación meteorológica de Liberia donde se eliminaron los archivos con valores nulos (na’s) y se creó un nuevo documento sin estos datos para siguiente caracterizar el tipo de saparacion decimal de los datos y el formato de fecha. Durante la segunda parte, se grafican histogramas para representar las seis variables que brindó la estación meteorológica de Liberia. La sección numero tres cuenta con un promedio mensual para cuatro de las seis variables de modo que las dos que queden excluidas, se les graficó conforme a la suma mensual de sus respectivos valores. Y por ultimo, se realizaron graficos x y para analizar como estas variables están conectadas mediante una visualización de datos en forma de nube de puntos con el fin de un análisis visual de los factores. Para finalizar, se utilizó una herramienta fuera de r studio con el fin de una representación grafica mas accesible, el proceso de como y porqué se hizo usó esta herramienta está descrito en su respectivo apartado.
#Carga de las librerias
library(dplyr)
##
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
library(ggplot2)
library(hrbrthemes)
## NOTE: Either Arial Narrow or Roboto Condensed fonts are required to use these themes.
## Please use hrbrthemes::import_roboto_condensed() to install Roboto Condensed and
## if Arial Narrow is not on your system, please see https://bit.ly/arialnarrow
library(tidyverse)
## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --
## v tibble 3.1.1 v purrr 0.3.4
## v tidyr 1.1.3 v stringr 1.4.0
## v readr 1.4.0 v forcats 0.5.1
## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()
library(gridExtra)
##
## Attaching package: 'gridExtra'
## The following object is masked from 'package:dplyr':
##
## combine
#Primera parte, limpieza de datos
DatosL <- read.csv("Liberia_datos climaticos.csv",sep = ",", na.strings = "", dec = ",") # se generó un nuevo archivo con nombre DatosL
DatosL[!complete.cases(DatosL),] # se identificaron archivos con NA^s
## Date Temperatura..Celsius. HumedadRelativa.... VelocidadViento..m.s.
## 1106 10/1/2018 25.88 73.79 NA
## 1107 11/1/2018 25.30 79.79 NA
## 1108 12/1/2018 26.71 75.96 NA
## 1146 19/2/2018 28.14 59.67 NA
## 1147 20/2/2018 27.55 61.50 NA
## 1164 9/3/2018 28.51 62.29 NA
## 1165 10/3/2018 29.20 62.08 NA
## 1166 11/3/2018 28.60 64.00 NA
## 1167 12/3/2018 27.96 67.67 NA
## 1168 13/3/2018 28.51 65.13 NA
## 1169 14/3/2018 29.34 60.67 NA
## 1170 15/3/2018 28.98 58.96 NA
## 1171 16/3/2018 29.02 56.67 NA
## 1193 7/4/2018 NA NA NA
## 1197 11/4/2018 27.20 66.92 NA
## 1198 12/4/2018 27.79 66.42 NA
## 1199 13/4/2018 27.74 66.08 NA
## 1200 14/4/2018 27.63 65.83 NA
## 1201 15/4/2018 28.34 65.67 NA
## 1216 30/4/2018 29.07 65.63 NA
## 1217 1/5/2018 29.71 65.79 NA
## 1218 2/5/2018 29.74 66.08 NA
## 1219 3/5/2018 28.70 66.46 NA
## 1224 8/5/2018 28.20 66.50 NA
## 1225 9/5/2018 27.38 66.25 NA
## Lluvia..mm. Irradiacion..W.m2. EvapoTranspiracion..mm.
## 1106 0.00 236.17 4.46
## 1107 0.00 189.13 3.18
## 1108 0.00 192.13 3.64
## 1146 0.51 271.46 6.33
## 1147 0.00 273.04 5.92
## 1164 0.00 285.79 6.31
## 1165 0.00 284.38 6.45
## 1166 0.00 286.63 5.90
## 1167 0.00 220.50 4.49
## 1168 0.00 284.83 6.24
## 1169 0.00 284.46 6.47
## 1170 0.00 285.33 6.84
## 1171 0.00 292.42 7.13
## 1193 NA NA NA
## 1197 0.00 191.38 4.10
## 1198 0.00 295.29 5.84
## 1199 0.00 244.71 4.66
## 1200 0.00 259.21 4.67
## 1201 0.00 283.88 5.70
## 1216 0.00 228.67 5.15
## 1217 0.00 297.75 6.53
## 1218 0.00 301.75 6.61
## 1219 0.00 286.63 5.99
## 1224 0.25 286.21 5.60
## 1225 14.73 247.83 4.55
nDatosL <- na.omit(DatosL) # se limpió la memoria de NA^s y se eliminarón 25 lineas de datos
nDatosL[!complete.cases(nDatosL),] # se confirma que ya no hay datos NA¨s
## [1] Date Temperatura..Celsius. HumedadRelativa....
## [4] VelocidadViento..m.s. Lluvia..mm. Irradiacion..W.m2.
## [7] EvapoTranspiracion..mm.
## <0 rows> (or 0-length row.names)
sapply(nDatosL, mode) # Para visualizar el tipo de datos
## Date Temperatura..Celsius. HumedadRelativa....
## "character" "numeric" "numeric"
## VelocidadViento..m.s. Lluvia..mm. Irradiacion..W.m2.
## "numeric" "numeric" "numeric"
## EvapoTranspiracion..mm.
## "numeric"
nDatosL$Date <- as.Date(nDatosL$Date, "%d/%m/%Y") #Transformacion de datos a fechas
## Segunda parte
# acontinuación, se representan los gráficos para 6 variables dadas por los datos de la estación climatica de Liberia
#Historigramas de las variables
#Para temperatura
ggplot(nDatosL,aes(x = nDatosL[,2])) +
geom_histogram(colour = "black", fill = "#80CDC4") +
xlab("Temperatura (oC)") +
ylab("Frecuencia") +
ggtitle("Variable de temperatura") +
geom_density(alpha=.2, fill= "#FF6666")
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
#Para Humedad relativa
ggplot(nDatosL,aes(x = nDatosL[,3])) +
geom_histogram(colour = "black", fill = "#80CDC4") +
xlab("Humedad Relativa") +
ylab("Frecuencia") +
ggtitle("Variable de Humedad relativa") +
geom_density(alpha=.2, fill= "#FF6666")
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
#Para velocidad del viento
ggplot(nDatosL,aes(x = nDatosL[,4])) +
geom_histogram(colour = "black", fill = "#80CDC4") +
xlab("Velocidad del viento (m/s)") +
ylab("Frecuencia") +
ggtitle("Variable velocidad del viento") +
geom_density(alpha=.2, fill= "#FF6666")
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
#Para lluvia
ggplot(nDatosL,aes(x = nDatosL[,5])) +
geom_histogram(colour = "black", fill = "#80CDC4") +
xlab("Lluvia caida (mm)") +
ylab("Frecuencia") +
ggtitle("Variable de lluvia") +
geom_density(alpha=.2, fill= "#FF6666")
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
#Para irradiación
ggplot(nDatosL,aes(x = nDatosL[,6])) +
geom_histogram(colour = "black", fill = "#80CDC4") +
xlab("Irradiación recivida (W/m2)") +
ylab("Frecuencia") +
ggtitle("Variable de irradiación") +
geom_density(alpha=.2, fill= "#FF6666")
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
#Para evapotranspiración
ggplot(nDatosL,aes(x = nDatosL[,7])) +
geom_histogram(colour = "black", fill = "#80CDC4") +
xlab("Evapotranspiración (mm))") +
ylab("Frecuencia") +
ggtitle("Variable de Evapotranspiración") +
geom_density(alpha=.2, fill= "#FF6666")
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
##Tercera parte
#Promedios mensuales
#Promedio mensual serie de temperatura
PMtemperatura <- tapply(nDatosL$Temperatura..Celsius., format(nDatosL[,1], format="%m"), FUN = mean)
plot(PMtemperatura, type ="l", main = "Promedio mensual de temperatura",
xlab = "Meses",
ylab = "Temperatura promedio (oC)",
col = "#990F02")
#Promedio mensual serie de humedad relativa
PMHumedadRelativa <- tapply(nDatosL$HumedadRelativa...., format(nDatosL[,1], format="%m"), FUN = mean)
plot(PMHumedadRelativa, type ="l", main = "Promedio mensual de la humedad relativa",
xlab = "Meses",
ylab = "Humedad relativa",
col = "#990F02")
#Promedio mensual serie de velocidad del viento
PMvelocidadviento <- tapply(nDatosL$VelocidadViento..m.s., format(nDatosL[,1], format="%m"), FUN = mean)
plot(PMvelocidadviento, type ="l", main = "Promedio mensual de la velocidad del viento",
xlab = "Meses",
ylab = "Velocidad del viento (m/s)",
col = "#990F02")
#Promedio mensual serie de irradiación
PMirradiacion <- tapply(nDatosL$Irradiacion..W.m2., format(nDatosL[,1], format="%m"), FUN = mean)
plot(PMirradiacion, type ="l", main = "Promedio mensual de la irradiación",
xlab = "Meses",
ylab = "irradiación recivida (W/m2)",
col = "#990F02")
#Suma mensual serie de lluvia
SMlluvia <- tapply(nDatosL$Lluvia..mm., format(nDatosL[,1], format="%m"), FUN = sum)
plot(SMlluvia, type ="l", main = "Suma mensual de la lluvia",
xlab = "Meses",
ylab = "Lluvia caida (mm)",
col = "#990F02")
#Suma mensual serie de evapotranspiración
SMevapotranspiración <- tapply(nDatosL$EvapoTranspiracion..mm., format(nDatosL[,1], format="%m"), FUN = sum)
plot(SMevapotranspiración, type ="l", main = "Suma mensual de la Evapotranspiración",
xlab = "Meses",
ylab = "Evapotranspiración (mm)",
col = "#990F02")
##Cuarta parte
#Graficos x / y
#Relación temperatura y humedad
ggplot(nDatosL, aes(x = nDatosL$Temperatura..Celsius.)) +
geom_point(aes(y = nDatosL$HumedadRelativa....), colour = "#A18262", size = 2, shape = 21, fill = "#9E8472")+
ggtitle("Relación entre la temperatura y humedad")+
xlab("Temperatura registrada (oC)")+
ylab("Humedad percibida")
#Relación velocidad del viento y evapotranspiración
ggplot(nDatosL, aes(x = nDatosL$VelocidadViento..m.s.)) +
geom_point(aes(y = nDatosL$EvapoTranspiracion..mm.), colour = "#A18262", size = 2, shape = 21, fill = "#9E8472")+
ggtitle("Relación entre la velocidad del viento y la evapotranspiración")+
xlab("Velocidad del viento (m/s)")+
ylab("Evapotranspiración (mm)")
#Relación entre lluvia y humedad relativa
ggplot(nDatosL, aes(x = nDatosL$Lluvia..mm.)) +
geom_point(aes(y = nDatosL$HumedadRelativa....), colour = "#A18262", size = 2, shape = 21, fill = "#9E8472")+
ggtitle("Relación entre la lluvia y humedad")+
xlab("LLuvia (mm)")+
ylab("Humedad percibida")
#Relación entre la irradiación y temperatura
ggplot(nDatosL, aes(x = nDatosL$Irradiacion..W.m2.)) +
geom_point(aes(y = nDatosL$Temperatura..Celsius.), colour = "#A18262", size = 2, shape = 21, fill = "#9E8472")+
ggtitle("Relación entre la irradiación y la temperatura")+
xlab("Irradiación (W/m2)")+
ylab("Temperatura (oC)")
#Relación entre la lluvia y la temperatura
ggplot(nDatosL, aes(x = nDatosL$Lluvia..mm.)) +
geom_point(aes(y = nDatosL$Temperatura..Celsius.), colour = "#A18262", size = 2, shape = 21, fill = "#9E8472")+
ggtitle("Relación entre la lluvia y la temperatura")+
xlab("LLuvia (mm)")+
ylab("Temperatura (oC)")
#Relación entre la irradiación y la humedad
ggplot(nDatosL, aes(x = nDatosL$Irradiacion..W.m2.)) +
geom_point(aes(y = nDatosL$HumedadRelativa....), colour = "#A18262", size = 2, shape = 21, fill = "#9E8472")+
ggtitle("Relación entre la irradiación y la humedad")+
xlab("Irradiación (W/m2)")+
ylab("Humedad relativa")
Para la visualización de los datos, se opto por utilizar como ultimo recurso la aplicación de Adobe photoshop 2021 con el fin de agrupar los datos generados respectivamente a cada sección de manera que a la hora de la visualización se encontrarán juntos para un analisis visual de las variables mas directo y consizo. Si bien se indicó como pequeña aclaración o guia utilizar el comando facets_wrap de ggplot2, al no poder continuar con la aplicación del mismo, y como pequeña critica hacia la geografia sobre la demonización hacia las aplicaciones de visualización multimedia, se hizo la utilización de la aplicación anteoriormente indicada para asà señalar y poner sobre la mesa que estas son de utilidad si son empleadas correctamente.
Dicho lo anterior, se tiene la primer imagen multimedia que corresponde a la sección dos del documento donde se visualiza los historigramas generados por las variables dadas por la estación meteorológica de Liberia.
La segunda imagen multimedia representa los promedios y sumas mensuales generadas apartir de las variables brindadas de manera que en cada grafico se indican cuales hacen referencia a promedios y cuales lo hacen respecto a suma de sus valores.
Y para finalizar, se hace una representación de gráficos x y para la visualización de las variables y sus interrelaciones.